从集合论到位运算

前言

本文将扫清位运算的迷雾，在集合论与位运算之间建立一座桥梁。

在高中，我们学了集合论（set theory）的相关知识。例如，包含若干整数的集合 S={0,2,3}。在编程中，通常用哈希表（hash table）表示集合。例如 Java 中的 HashSet，C++ 中的 std::unordered_set。

在集合论中，有交集 ∩、并集 ∪、包含于 ⊆等等概念。如果编程实现「求两个哈希表的交集」，需要一个一个地遍历哈希表中的元素。那么，有没有效率更高的做法呢？

该二进制登场了。

集合可以用二进制表示，二进制从低到高第 i 位为 1表示 i 在集合中，例如集合{0,2,3}可以用二进制1101表示；反过来，1101就对应集合{0,2,3}。正式地说，包含非负整数的集合S可以用以下方式压缩成一个数字：

                                                       

例如集合{0,2,3}可以压缩成也就是二进制的1101。

利用位运算「并行计算」的特点，我们可以高效地做一些和集合有关的运算。按照常见的应用场景，可以分为以下四类：

1. 集合与集合
2. 集合与元素
3. 遍历集合
4. 枚举集合

一、集合与集合

其中 & 表示按位与，∣ 表示按位或，⊕ 表示按位异或，∼ 表示按位取反。

两个集合的「对称差」是只属于其中一个集合，而不属于另一个集合的元素组成的集合，也就是不在交集中的元素组成的集合。

术语	集合	位运算	集合示例	位运算示例
交集	A∩B	a&b	{0,2,3}∩{0,1,2} = {0,2}	1101 & 0111 = 0101
并集	A∪B	a ∣ b	{0,2,3}∪{0,1,2} = {0,1,2,3}	1101 | 0111 = 1111
对称差	A Δ B	a⊕b	{0,2,3}Δ{0,1,2} = {1,3}	1101 ⊕ 0111 = 1010
差	A\B	a&∼b	{0,2,3}\{1,2} = {0,3}	1101 & 1001 = 1001

二、集合与元素

通常会用到移位运算。

其中 << 表示左移，>> 表示右移。

术语	集合	位运算	集合示例	位运算示例
空集	∅	0
单元素集合	{i}	1<<i	{2}	1<<2
全集	U={0,1,2,⋯n−1}	(1<<n)-1	{0,1,2,3}	(1<<4)-1
补集	Cu​S=U\S	((1<<n)-1)⊕s	U={0,1,2,3} Cu{1,2}={0,3}	1111 ⊕ 0110 = 1001
属于		(s >> i) & 1=1		(1101 >> 2) & 1=1
不属于		(s >> i) & 1=0		(1101 >> 1) & 1=0
添加元素	S∪{i}	s | (1<<i)	{0,3}∪{2}	1001 ∣ (1 << 2)
删除元素	S \ {i}	s&∼(1 << i)	{0,2,3}\{2}	1101&∼(1 << 2)

特别地，如果 𝑠 是 2 的幂，那么 𝑠 &( 𝑠 − 1) =0。

此外，编程语言提供了一些和二进制有关的库函数，例如：

• 计算二进制中的 1 的个数，也就是集合大小；
• 计算二进制长度，减一后得到集合最大元素；
• 计算二进制尾零个数，也就是集合最小元素。

三、遍历集合

设元素范围从0到n-1，挨个判断每个元素是否在集合s中

for (int i = 0; i < n; i++) {
    if ((s >> i) & 1) { // i 在 s 中
        // 处理 i 的逻辑
    }
}

四、枚举集合

枚举所有集合

设元素范围从 0 到 n−1，从空集 ∅ 枚举到全集 U：

for (int s = 0; s < (1 << n); s++) {
    // 处理 s 的逻辑
}

枚举非空子集

设集合为 𝑠，从大到小枚举 𝑠 的所有非空子集 sub：

for (int sub = s; sub; sub = (sub - 1) & s) {
    // 处理 sub 的逻辑
}

为什么要写成 sub = (sub - 1) & s 呢？

暴力做法是从s开始，不断减一，直到0但这样做，中途会遇到很多不是s的子集的情况。例如s=10101时，减1得到10100，这是s的子集，但是再减1就得到10011了。这并不是s的子集。下一个子集应该是10001。

把所有的合法子集按顺序列出来，会发现我们做的相当于「压缩版」的二进制减法，例如

                                10101→10100→10001→10000→00101→⋯

如果忽略掉 10101 中的两个 0，数字的变化和二进制减法是一样的，即

                                        111→110→101→100→011→⋯

如何快速跳到下一个子集呢？比如，怎么从 10100 跳到 10001？

• 普通的二进制减法，是10100-1=10011，也就是把最低位的1变成0，对于最低位的1右边的0都变成1。
• 压缩版的二进制减法也是类似的，对于10100->10001,也会把最低位的1变成0，对于最低位的1右边的0，并不是都变成1，只有在s=10101中的1才会变成1。怎么做到？减1后&10101就行，也就是（10100-1）&10101 = 10001

枚举子集（包含空集）

如果要从大到小枚举 𝑠 的所有子集 sub（从 𝑠 枚举到空集 ∅），可以这样写：

int sub = s;
do {
    // 处理 sub 的逻辑
    sub = (sub - 1) & s;
} while (sub != s);

原理是当sub=0时（空集），再减1就得到-1，对应的二进制位111...1，在&s就得到了s，所以循环到sub=s时，说明最后一次循环sub=0（空集），s的所有子集都枚举到了。退出循环。